南大FISH传感器登《Science Advances》非接触感知颠覆机器人触觉

在自然界中，生物体为了生存，演化出了各式各样的感知能力。其中，非接触式感知——即无需直接触碰便能探测环境变化和潜在威胁的能力，在许多动物的生存策略中扮演着关键角色。

在众多非接触式感知方式中，人类最为依靠的视觉拥有最高的分辨率，却也伴随着最高的能耗，消耗了大脑超过40%的感知处理能量。与视觉系统相比，蜘蛛选择了一条不同的演化路径。它们的光感受器密度比哺乳动物低20倍，但全身却覆盖着极高密度的毛状感受器，每平方毫米可达400根。这些毛状感受器能够将外界非接触刺激（如猎物引起的气流）转换为神经脉冲序列，每次事件消耗的能量低于100pJ，能量密度比视觉系统低数百倍。这种策略实现了广域感官覆盖，同时将能耗降至最低，并克服了视觉感知的诸多限制。此类高效而节能的感知方式，正为现代机器人技术与人工智能感知系统带来深远启示。

近日，南京大学研究团队受此启发，提出了一种柔性脉冲毛发感受器（FISH），仿照蜘蛛毛感受器，能够将气流信号实时转化为电脉冲，从而实现非接触式感知。其功率密度低于100 nW/cm2，每个感知事件的能耗约为660 pJ，与蜘蛛毛感受器几乎相当，比传统非接触传感器的能耗低了两个数量级。

该成果以“A flexible spiking hair sensillum for ultralow power density noncontact perception”为题发表在国际权威期刊《Science Advances》上。

▍柔性脉冲毛发感受器（FISH）的结构特点

那么，这一超低功耗的传感器是如何实现的呢？研究团队的核心设计在于其独特的结构。这款名为柔性脉冲毛发感受器（FISH）”新型传感器，是由基于聚酰亚胺（PI）的毛发状传感器基于Ag/PI/LIG/PI 的柔性 TS忆阻器组成，能够将气流信息转换为用于非接触感知的脉冲序列。

FISH的概念设计和结构特征

毛发状传感器：仿生设计的精髓

FISH的毛发状传感器采用激光诱导石墨烯（LIG）技术，在聚酰亚胺基底上制作出宽度仅约25微米的传感元件。扫描电子显微镜显示，LIG呈现泡沫状多孔结构，这种结构不仅增强了传感器的响应灵敏度，还保证了良好的柔韧性。

该传感器能够检测低至0.4米/秒的气流速度，通过调整PI基底厚度，甚至可实现0.04米/秒的最低检测限。在7.0米/秒的气流速度下，传感器的响应和恢复时间分别仅为约40毫秒和26毫秒。经过4500次循环测试，传感器仍保持稳定性能，显示出优异的可靠性。

毛发状传感器的电气特性

柔性TS忆阻器：脉冲编码的核心

柔性TS忆阻器是FISH实现脉冲编码的关键。它展现出典型的突触行为：当施加的电压超过阈值时，器件从高阻状态切换到低阻状态；当电压低于保持电压时，又自发返回高阻状态。这种特性使得忆阻器能够在电流偏置下产生自激振荡，输出频率可调的电压尖峰。

该忆阻器表现出卓越的稳定性：经过1000次重复循环，高阻态和低阻态的变异系数分别仅为7.71%和10.71%；在不同弯曲半径（3-20毫米）和温度条件（40-200°C）下均保持稳定工作。当输入电流从100皮安增加到200纳安时，尖峰频率可从155赫兹提升至2650赫兹。

柔性TS忆阻器的电气特性

协同工作：从气流到脉冲序列

当FISH检测到气流或接触刺激时，毛发状传感器的电阻发生变化，从而改变流过TS忆阻器的电流。这一变化触发忆阻器的自激振荡特性，将传感信息编码为频率可调的脉冲序列。在2.4伏偏置电压下，FISH产生的尖峰频率约为500至1500赫兹，功耗仅约600纳瓦，每次事件的能量消耗约为660 pJ，非常接近蜘蛛机械感受器的能耗水平。

最重要的是，FISH的功率密度低于100纳瓦/平方毫米，比已报道的非接触式传感设备至少低100倍，为实现大规模传感器阵列提供了可能。

FISH 的刺突编码行为

▍基于FISH矩阵和脉冲神经网络，构建完整非接触触觉感知系统

研究团队进一步结合FISH矩阵与脉冲神经网络（SNN），构建了一套完整的非接触触觉感知（NCTP）系统，这一系统模仿生物感觉处理中的两种关键机制：群体编码和感受野整合。

群体编码：单根FISH 仅能感知 “有气流”，但 25 根 FISH 协同工作，就能捕捉气流的 “空间分布”—— 比如蝴蝶形状的气流模板，会让不同位置的 FISH 产生不同频率的脉冲，共同构成蝴蝶的脉冲图像。

基于NCTP系统实现气流介导的非接触式识别

感受野整合：每根FISH 负责一个 “小区域” 的感知，SNN 会把这些小区域的信号整合起来，分析出目标的 “类型”（比如是蝴蝶还是飞蛾）和 “方向”（从左边来还是右边来）。

研究团队构建了一个包含10个标签的自定义数据集，代表五种不同的模式类型和两种方向条件。经过70个训练周期后，脉冲神经网络对这些非接触目标的多维识别准确率超过92%。这表明，通过FISH矩阵的群体编码，系统能够有效提取关于气流模式和方向的多维信息。

▍NCTP 增强型蜘蛛机器人的集成与场景验证

为验证NCTP系统的实际性能，研究团队将2×3 FISH矩阵集成到蜘蛛机器人中。机器人的前端配备商用数码相机用于视觉感知，后端则安装FISH矩阵用于非接触触觉感知。

NCTP增强型蜘蛛机器人的演示

在五个不同的实验场景中，蜘蛛机器人展示了对视觉和非接触触觉刺激的智能响应：

在黑暗环境中，视觉系统失效，机器人保持静止；在光照条件下，视觉系统检测到前方猎物，机器人发起攻击；无论光照条件如何，当气流表明猎物位于机器人后方时，FISH矩阵触发机器人转身并攻击；当检测到后方捕食者气流模式时，机器人迅速向安全方向逃跑。

这些实验证明，NCTP系统能够有效扩展机器人的环境感知能力，克服视觉感知在黑暗、低能见度或盲区条件下的限制。